계약서와 성적표를 무료 PDF 사이트에 올리기 전에 한 번 더 생각한다

PDF는 대개 급할 때 필요하다. 학교에 성적표를 내야 하고, 견적서 여러 개를 합쳐야 하고, 첨부파일을 10MB 밑으로 줄여야 한다. 그러다 스캔본을 Word로도 달라는 요청이 온다.

익숙한 사이트를 열고 파일을 고른 뒤 기다리는 건 쉽다. 다운로드하고 나서야 도장 찍힌 계약서가 어디로 갔는지, 서버에 사본이 남는지 궁금해진다. 모든 서비스가 파일을 잘못 쓴다고 생각하는 건 아니다. 다만 브라우저에서 할 수 있는 작은 작업이라면 문서 전체를 넘기지 않고 끝내고 싶다.

필요한 작업부터 고른다

보통은 압축, 병합, 페이지 삭제나 순서 변경이면 된다. DocCrunch에는 PDF 압축, PDF 병합 같은 별도 도구가 있고 계정을 만들지 않아도 된다.

압축은 한 번에 최대 10개, 파일당 500MB 미만이며 품질은 세 단계다. 이 수치는 선택 가능한 한도이지 평범한 노트북이 거대한 파일 열 개를 거뜬히 처리한다는 뜻은 아니다. 하나부터 시험하는 편이 좋다.

작아진 파일은 기능이 달라질 수도 있다

글 위주의 PDF는 이미 가벼워서 별로 줄지 않을 수 있다. 스캔본은 여지가 더 있을 수 있지만 이메일 제한 밑으로 내려간다는 보장은 없다.

도구는 구조를 최적화한 버전과 페이지를 이미지로 다시 만든 버전을 비교해 작은 쪽을 선택한다. 둘 다 원본보다 크면 원본을 유지한다. 이미지 버전이 선택되면 원래 선택하고 검색할 수 있던 텍스트가 사라질 수 있다. 링크와 입력 양식도 그대로 남는다고 가정하면 안 된다.

압축 뒤에는 작은 글씨와 도장을 보고 텍스트 선택과 필요한 링크를 시험한다. 강한 설정에서 흐려지면 한 단계 되돌린다. 원본은 따로 두고, 인쇄용이나 디지털 서명이 있는 정식 문서를 처리된 사본으로 바로 대체하지 않는다.

필요한 페이지만 순서대로

PDF 병합은 파일 목록의 순서를 따른다. 위아래 버튼으로 조정할 수 있다. PDF 분할은 페이지마다 PDF를 만들고 ZIP으로 묶는다. 몇 페이지만 빼려면 PDF 페이지 삭제가 더 간단하다. 옆으로 누운 스캔은 PDF 회전, 뒤로 간 표지는 페이지 순서 변경으로 고친다.

페이지 전체를 삭제하는 것과 페이지 안의 계좌번호를 가리는 것은 다르다. 보이는 부분을 자르거나 사각형으로 덮었다고 밑에 있는 정보까지 삭제됐다는 뜻은 아니다.

Word 파일이 됐다고 작업이 끝나는 건 아니다

PDF Word 변환과 PDF Excel 변환은 이미 존재하는 텍스트를 추출해 페이지와 위치에 따라 정리한다. 원래 레이아웃 전체를 복원하지는 않는다. 다단 구성과 복잡한 표는 손봐야 한다.

이 PDF 변환 도구는 텍스트 층이 없는 스캔본에 직접 OCR을 실행하지 않는다. 필요한 페이지를 PDF 이미지 변환으로 내보낸 뒤 이미지 Word 변환이나 이미지 Excel 변환으로 인식시키면 된다. OCR 텍스트가 이미 있는 스캔 PDF는 바로 추출을 시도할 수 있다.

반사광, 기울어진 종이, 글자 위 도장은 인식을 방해한다. 금액, 계좌번호, 이름, 날짜는 원본과 대조한다. PDF PPT 변환은 각 페이지의 이미지를 슬라이드에 넣는 방식이다. 제목과 차트가 각각 편집 가능한 개체로 바뀌지는 않는다.

로컬 처리에도 한계는 있다

이 작업들은 원본과 결과를 처리 서버에 올리지 않는다. 다만 페이지, 스크립트, OCR 리소스는 내려받아야 할 수 있다. 큰 파일은 메모리를 쓰고 일부 암호화 PDF는 열리지 않을 수 있다. 서명, 대화형 양식, 정확한 인쇄 색상은 이를 검증할 수 있는 전문 도구가 필요하다. 공용 컴퓨터와 브라우저 확장 프로그램도 별개의 문제다.

나는 원본을 보관하고 필요한 텍스트는 압축 전에 추출한다. 영수증 사진은 이미지 PDF 변환을 거쳐 명세서와 합칠 수 있다. 사진 용량 줄이기는 이전 글에 정리했지만 작은 숫자는 계속 읽을 수 있어야 한다.

첨부 용량만 문제라면 PDF 하나부터 압축해 보자. 내려받은 사본을 열고 확인한 뒤 보내면 된다.